-
题名融合隐含信任度和项目关联度的矩阵分解推荐算法
被引量：5
- 1
-
-
作者
李全
许新华
刘兴红
林松
-
机构
湖北师范大学计算机与信息工程学院
湖北师范大学教师教育学院
湖北师范大学学生工作部
-
出处
《计算机应用研究》
CSCD
北大核心
2020年第2期401-406,共6页
-
基金
湖北省教育厅科技项目(B2018150)
国家档案局科技计划项目(2016-x-51)
+1 种基金
湖北省教育科学“十二五”规划项目(2011B130)
湖北省高等学校优秀中青年科技创新团队计划项目(T201515).
-
文摘
随着社交网络的发展,融合社交信息的推荐系统在一定程度上解决了协同过滤推荐系统的冷启动和数据稀疏等问题,但是在信任数据稀疏情况下,仍会造成推荐精度降低等问题。为此,提出了一种融合隐含信任度和项目关联度的矩阵分解推荐算法。首先,利用矩阵分解模型将信任数据进行分解,得到用户的潜在被信任矩阵,在此基础上引入用户的影响力,从而提出了基于隐含信任度的推荐模型;然后,为了更好地利用项目间的关联信息,反映项目间的有向性,提出了基于项目关联度的推荐模型;最后,综合两种推荐模型并构建了一种推荐算法TCRMF。实验结果表明,所提算法在评分数据和信任数据稀疏的情况下仍然可以有效地提高推荐算法的精度,具有良好的应用前景。
-
关键词
推荐系统
协同过滤
社交网络
隐含信任度
项目关联度
矩阵分解
-
Keywords
recommendation system
collaborative filtering
social network
implicit trust
item correlation
matrix factorization
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
-
-
题名融合信任隐含相似度与评分相似度的社会化推荐
被引量：1
- 2
-
-
作者
周寅莹
章梦怡
余敦辉
朱明
-
机构
湖北大学计算机与信息工程学院
湖北省教育信息化工程技术研究中心(湖北大学)
-
出处
《计算机应用》
CSCD
北大核心
2022年第12期3671-3678,共8页
-
基金
国家重点研发计划项目(2018YFB1003801)
国家自然科学基金资助项目(61977021)
湖北省技术创新专项(重大项目)(2018ACA13)。
-
文摘
针对现有的社会化推荐算法大都忽略了物品间的关联关系对推荐精度的影响,并且未能将用户评分与信任数据进行有效结合的问题,提出一种融合信任隐含相似度与评分相似度的社会化推荐算法(SocialTS)。首先,将用户间的评分相似度与信任隐含相似度进行线性组合以得到用户间可靠的相似朋友;然后,将信任关系融入到项目的相关性分析中,从而得到修正后的相似项目;最后,将相似用户、项目作为正则项添加到矩阵分解(MF)模型下,从而获取用户、项目更准确的特征表示。实验结果表明,当潜在特征维度为10时,与主流的社会化推荐算法TrustSVD相比,SocialTS在FilmTrust和CiaoDVD数据集上的均方根误差(RMSE)分别降低了4.23%和8.38%,平均绝对误差(MAE)分别降低了4.66%和6.88%。SocialTS不仅可以有效改善用户冷启动问题,还能较为准确地预测不同评分数量下用户的实际评分,且具有良好的鲁棒性。
-
关键词
社会化推荐
冷启动
信任隐含相似度
信任关系
矩阵分解
-
Keywords
social recommendation
cold start
trust implicit similarity
trust relationship
Matrix Factorization(MF)
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
-
